La conversación ya no es si la inteligencia artificial (IA) transformará la economía, sino a qué precio financiero. En las últimas 48 horas, varias voces de peso —desde consultoras macro hasta banqueros de Wall Street y big tech— han encendido alarmas sincronizadas sobre un posible exceso especulativo en todo lo que toca la IA. Para algunos, no es una señal temprana: es una “bandera roja”.
La advertencia más contundente llegó en una nota de MacroStrategy Partnership, firmada por un equipo de analistas entre los que se encuentra Julien Garran, ex UBS. El documento sostiene que la burbuja alimentada por la IA sería 17 veces mayor que la puntocom de finales de los noventa y cuatro veces la del ladrillo global que estalló en 2008. La comparación no surge de un titular efectista, sino de un enfoque “wickselliano”: tras años de tipos artificialmente bajos y expansión cuantitativa, el coste de la deuda corporativa habría permanecido por debajo del umbral que Knut Wicksell describía como saludable, favoreciendo una asignación ineficiente de capital. En esa cuenta no entra solo la IA: también vivienda, oficinas, NFTs y capital riesgo.
¿Hemos tocado techo en LLMs?
MacroStrategy no se limita al ángulo financiero. Garran apunta a límites prácticos en los modelos de lenguaje (LLM):
- Una empresa de software registró tasas de finalización de tareas que oscilaban del 1,5 % al 34 %, con resultados inconsistentes incluso en el caso mejor.
- Datos del Departamento de Comercio de EE. UU., divulgados por el economista Torsten Slok (Apollo) y citados en la nota, muestran que la adopción de IA en grandes compañías ha empezado a declinar.
- En pruebas ad hoc —por ejemplo, pedir a un generador de imágenes un tablero de ajedrez a una jugada del mate—, los resultados ni se acercaron a lo solicitado.
El argumento de fondo: los LLM estarían rozando límites de escalado. “No sabemos cuándo un LLM entra en rendimientos decrecientes, porque no medimos la complejidad estadística del lenguaje. Pero si el siguiente modelo cuesta 10 veces más, usa 20 veces más cómputo y no mejora de forma apreciable, entonces hemos dado con la pared”, sintetiza Garran.
MacroStrategy ilustra su tesis con una escalera de costes: ChatGPT-3 habría costado 50 millones de dólares, GPT-4 500 millones, y GPT-5 —5.000 millones, según la nota— se retrasó y, al salir, no fue sustancialmente mejor que su predecesor. En ese contexto, no hay “foso” competitivo duradero y los márgenes se tensan: “Los casos comerciales o son genéricos (juegos) y no venden, o reciclan dominio público (tareas, deberes), o topan con copyright. La publicidad es difícil de afinar y el coste de entrenamiento crece exponencialmente con mejoras cada vez menores. No hay pricing power en el modelo y el usuario intensivo consume un cómputo que cuesta más al proveedor que la suscripción mensual que paga”, concluye.
Riesgo macro: “zona 4” del reloj de inversión
En clave macro, la firma avisa de un posible “derrumbe deflacionario” si el efecto riqueza de las plataformas de IA y el ciclo de construcción de centros de datos se frenan… y luego se dan la vuelta. El problema, añaden, sería doble: “No solo entraríamos en la zona 4 del reloj de inversión; además, sería difícil para la Fed y la Administración Trump reflacionar la economía” con rapidez. La receta de cartera que propone MacroStrategy pasa por infraponderar plataformas e IA, sobreponderar recursos y emergentes (con India y Vietnam destacados), y estar largos de oro minero, bonos del Tesoro estadounidense a corto, volatilidad y yen (frente a divisas no USD).
Deuda para data centers: otra señal
El endeudamiento de las big tech para levantar centros de datos de IA preocupa también a Dario Perkins (TS Lombard). En Axios, comparó el frenesí actual con los apalancamientos de la era puntocom y subprime: “Dicen que no les importa si la inversión retorna o no, porque están en una carrera. Eso, por sí solo, es una bandera roja”.
Wall Street: aviso de “drawdown” (y cautela de big tech)
En la Italian Tech Week, el CEO de Goldman Sachs, David Solomon, habló de un probable “drawdown” bursátil en 12–24 meses: se ha desplegado demasiado capital en muy poco tiempo y una parte no dará retorno. “Cuando eso ocurra, la gente no se sentirá bien”, dijo a CNBC. No llegó a asentar que sea una burbuja, pero admitió que algunos inversores están “en la punta de la curva de riesgo” por emoción, síntoma clásico de exuberancia.
También Jeff Bezos (Amazon) reconoció en el mismo foro que hay una burbuja en IA —“a los inversores les cuesta distinguir buenas de malas ideas en medio de la excitación”—, aunque sostuvo que la tecnología será un gran beneficio para la humanidad a largo plazo.
El mercado ignora (de momento) las sirenas
Pese a los avisos, los índices seguían fuertes a cierre de semana. El S&P 500 encadenó su récord nº 30 de 2025 (6.715,35), los futuros abrían al alza y el oro —otro termómetro de riesgo— se disparaba a 3.887,6 $ (+47,3 % en lo que va de año). El Nasdaq Composite tocaba 22.844,05; la rentabilidad del Treasury a 10 años rondaba el 4,094 %; el petróleo caía a 60,9 $. Entre los tickers más movidos figuraban Tesla (TSLA), NVIDIA (NVDA), GameStop (GME), TSMC (TSM), Palantir (PLTR), Nio (NIO), Amazon (AMZN), Intel (INTC), Apple (AAPL) y AMD (AMD). El IServices del ISM y comparecencias de la Fed (John Williams, Stephen Miran) completaban un cuadro en el que el paro estimado se mantendría en 4,3 % (según un nowcast del Chicago Fed).
Señales cruzadas en el frente corporativo
El flujo de noticias refuerza la tesis de “mucho dinero, muy rápido”:
- Applied Materials anticipó un impacto de 710 millones de dólares en ingresos por nuevos controles de exportación (BIS) en los próximos cinco trimestres.
- Jefferies rebajó Apple a “infraponderar” por expectativas infladas sobre un iPhone plegable.
- BlackRock’s Global Infrastructure Partners (GIP) estaría en negociaciones avanzadas para comprar Aligned Data Centers (respaldo de Macquarie) por ~40.000 millones de dólares, según Bloomberg: una señal de que los activos de colocation siguen atrayendo mega-capital.
- La IA también impulsa rallies en China, reactivando sectores vinculados a cómputo y redes.
¿Burbuja o ajuste saludable? Lo que dicen los números… y lo que no
Los 17x y 4x de MacroStrategy agregan más que IA pura —incluyen inmobiliario, NFTs y VC en su “déficit wickselliano”—, de modo que la cifra capta la política monetaria ultralaxa de la década pasada. Eso no invalida la alerta, pero matiza su foco: tipos bajos han hinchado varios activos a la vez; la IA es el motor más visible de 2024–2025, con capex masivo en chips, memoria, centros de datos y energía.
La cara tecnológica también es más granular. Mientras LLMs generales muestran fatiga (calidad vs coste), el pipeline de IA vertical —copilotos de tareas acotadas, visión industrial, biosimulación— sigue aportando valor incremental. Parte del capex hyperscale se justifica por renovaciones de flota, eficiencia por vatio y latencia para edge/serving. El riesgo no es la IA como concepto, sino el ritmo de inversión frente a retornos tangibles y límites físicos (potencia, refrigeración, memoria).
Un punto clave son las señales adelantadas de corporate profits vs beneficios del S&P 500. Análisis de Ned Davis Research citados por MarketWatch apuntan a beneficios corporativos agregados (NIPA) negativos en T1 y T2 pese a avances del S&P. Históricamente, esa divergencia no suele durar: si NIPA lidera al S&P por 1–2 trimestres, las estimaciones del índice podrían ser demasiado optimistas —lo que sugiere riesgo a la baja en los próximos trimestres.
¿Qué hacen entre tanto las “top de IA”?
En este tablero, los líderes —NVIDIA, TSMC, AMD, Intel, Amazon, Microsoft, Alphabet— navegan una paradoja: son ganadores del ciclo (demanda de GPU, HBM, nube y colocation), pero también los primeros expuestos si se enfría el apetito de capex o se estiran los plazos de retorno. El rally de NVIDIA concentra la narrativa; TSMC es termostato de oferta (nodos N2/A16, packaging avanzado); AMD y Intel compiten en GPU/CPU para IA; hiperescalares reparten gasto entre GPUs, custom silicon y centros de datos. La deuda para infraestructura —que destaca TS Lombard— añade apalancamiento al cóctel.
Lo que podría romper (o salvar) el ciclo
Podría romperlo:
- Freno del capex hyperscale si retornos y adopción no acompañan;
- Restricciones energéticas que ralenticen entregas de data centers;
- Límites de memoria/flash y HBM más persistentes de lo previsto;
- Regulación (datos, copyright, export controls) que encarezca y demore despliegues.
Podría salvarlo:
- Eficiencia en software (cuantización, sparsity, distillation) que recorte coste por token;
- Silicio específico (NPUs, aceleradores) que mejore rendimiento por vatio;
- Demanda vertical (sanidad, industria, finanzas) con casos claros de ROI;
- Política industrial/energética que agilice megavatios y renovables.
Dos ideas para el lector inversor / corporativo
- Separar “IA narrativa” de “IA contable”. Preguntar por €/resultado (€/época, €/10^6 tokens, €/inferencia P95) en vez de €/hora. Y por kWh/trabajo. Si la empresa los mide, el riesgo de “humo” baja.
- Mirar los plazos físicos: MW contratados, fechas de subestaciones, suministro de GPU/HBM, refrigeración líquida. El time-to-compute real manda sobre el storytelling.
Conclusión: el ruido de hoy no borra el largo plazo, pero exige filtros finos
La IA no desaparece con un “drawdown”: como Internet tras 2000, sobrevivirá y madurará. Lo que sí puede pincharse es la curva de expectativas —y con ella, valoraciones que descuentan retornos inmediatos y sin fricción. Entre tanto, conviene distinguir tecnología transformadora de carreras financiadas a tipo cero. Y, como recordaba Bezos, aceptar que “en medio de la excitación cuesta distinguir buenas de malas ideas”. Esa es, precisamente, la tarea del inversor y del gestor prudente en 2025.
Preguntas frecuentes
¿De dónde sale el “17× puntocom” y “4× subprime” de la supuesta burbuja de IA?
De una nota de MacroStrategy Partnership que calcula un “déficit wickselliano” tras años de tipos artificialmente bajos, agregando no solo IA, sino también vivienda, oficinas, NFTs y capital riesgo. Su tesis es que el exceso de liquidez ha sobrefinanciado activos de forma masiva.
¿Qué datos apuntan a límites de escalado en LLMs?
La nota cita tasas de finalización en tareas reales del 1,5–34 %, una desaceleración de la adopción en grandes empresas (serie del Departamento de Comercio difundida por Torsten Slok) y una escalera de costes (GPT-3 50 M$, GPT-4 500 M$, GPT-5 5.000 M$) con mejoras marginales.
¿Qué recomiendan los analistas ante un posible pinchazo?
MacroStrategy propone infraponderar IA y plataformas, sobreponderar recursos y emergentes (India, Vietnam), y estar largos de oro minero, bonos del Tesoro a corto, volatilidad y yen frente a la mayoría de divisas no USD.
¿Qué opinan big tech y banca de inversión?
David Solomon (Goldman Sachs) ve probable un “drawdown” en 12–24 meses por exceso de capital mal asignado; Jeff Bezos admite burbuja pero defiende el beneficio a largo plazo; Dario Perkins alerta del endeudamiento acelerado para centros de datos de IA como “bandera roja”.
Fuentes: MarketWatch (03/10/2025); Axios; CNBC; Common Dreams; Bloomberg (GIP–Aligned).
